Escolar Documentos
Profissional Documentos
Cultura Documentos
Nampula
2022
Índice
2
Introdução...................................................................................................................................3
1. Objectivo Geral....................................................................................................................3
2. Distribuições Bidimensionais..............................................................................................4
Conclusão....................................................................................................................................9
Referencias Bibliográficas........................................................................................................10
3
Introdução
O presente da disciplina de Estatística, tem como tema, as probabilidades (noções de
distribuição Bidimensional, noções intuitiva e frequencista das probabilidades. Neste caso irei
definir e caracterizar e colocar os respectivos exemplos para cada parte que compõe o
trabalho. Tem como objectivo:
1. Objectivo Geral
Analisar as noções de distribuição bidimensional intuitiva e frequencista das
probabilidades.
2. Distribuições Bidimensionais
Em alguns estudos estatísticos há a incidência sobre dois caracteres da mesma
população, análises bivariadas, com a intenção de os comparar e ver se há ou não algum tipo
de relações entre eles, ou se pelo contrário, são independentes. Em situações normais a
variação de um dos caracteres influência a variação do outro.
Exemplo: No boletim de saúde infantil e juvenil encontras pares de variáveis que são
analisadas conjuntamente, tais como:
Idade (em meses) e a massa corporal (em kg), dos 0 aos 24 meses;
Idade (em meses) e o perímetro cefálico (em cm), dos 0 aos 36 meses;
Idade (em anos) e a estatura (em cm), dos 2 aos 20 anos.
O número de trabalhadores a executar uma obra e o tempo de execução.
O rendimento mensal do agregado familiar e os gastos em lazer.
A relação entre duas variáveis está perfeitamente definida através de uma função - relação
funcional. Conhecido o valor de uma das variáveis, é possível conhecer o valor exacto da
outra variável.
Mas nem sempre a existência de uma relação entre duas variáveis é do tipo funcional,
assumindo a estatística, nestes casos, um papel fundamental ao permitir determinar valores
aproximados de uma das grandezas conhecida a outra grandeza.
Viseu 1 14
Neste estudo, a população é formada por um conjunto de pares ordenados (x , y) , em que x e
y representam as temperaturas mínima e máxima, respectivamente.
Repara que qualquer relação que possa existir entre as temperaturas mínimas e máximas não é
do tipo funcional. Basta observar que à temperatura mínima de 5 °C corresponde mais do que
um valor de temperatura máxima (16 °C e 17 °C).
( y i− y )(x i−x)
Cov (x , y )
∑ n−1 ∑ ( y i− y )(x i−x )
r= = =
√ Var (x )∙ Var ( y)
√ ∑ (x i−x) ∙ ∑ ( y i− y) √ ∑ (x i− x)2 ∑ ( y i− y )2
2 2
n−1 n−1
∑ x i ∑ yi
∑ x i y i− n ∑ x i y i −n x y
r= =
√
2 2 √¿ ¿¿
∑ xi2 −(∑ x i) ∙ ∑ y i2−(∑ y i)
n n
6
Uma das medidas estatísticas que permite estabelecer o grau de correlação existente entre as
variáveis é denominada coeficiente de correlação, que se representa por r e toma valores
pertencentes ao intervalo [−1,1].
Quando r =1 our =−1, os pontos no diagrama de dispersão estão sobre uma recta. Essa recta
tem declive positivo se r=1 e tem declive negativo se r =−1.
Na correlação positiva, quanto mais próximo de 1 for o valor de r e mais forte é a correlação.
Na correlação negativa, quanto mais próximo de -1 for o valor de r mais forte é a correlação.
Y^ =Y + b1 ( X− X ) ou Y^ −Y =b 1 ( X −X )
7
Sy
Como b 1=b yx =r
Sx
Sy Sy
Y^ −Y =r ( X −X ) ou y=r ∙ x
Sx Sx
Sx S S
^
X −X =r (Y −Y ) , onde b 2=b xy=r x ou x=r x ∙ y
Sy Sy Sy
Sugere-se este modelo na presunção de que seria este o comportamento da frequência relativa
dos acontecimentos elementares associados à realização do fenómeno aleatório em estudo.
esperado e tenderá a se aproximar do valor esperado à medida que mais tentativas são
realizadas.
O LLN é importante porque garante resultados estáveis de longo prazo para as médias de
alguns eventos aleatórios. Por exemplo, embora um cassino possa perder dinheiro em uma
única rodada da roleta , seus ganhos tenderão a uma percentagem previsível ao longo de um
grande número de rodadas. Qualquer sequência de vitórias de um jogador acabará sendo
superada pelos parâmetros do jogo. É importante lembrar que a lei só se aplica (como o nome
indica) quando um grande número de observações é considerado. Não existe um princípio de
que um pequeno número de observações irá coincidir com o valor esperado ou que uma
sequência de um valor será imediatamente "equilibrada" pelos outros.
Exemplos
Por exemplo, um único lançamento de um dado justo de seis lados produz um dos números 1,
2, 3, 4, 5 ou 6, dividindo por 6, cada um com a mesma probabilidade. Portanto, o valor
esperado da média dos rolos é: 3,5.
De acordo com a lei dos grandes números, se um grande número de dados de seis lados for
lançado, a média de seus valores (às vezes chamada de média amostral ) provavelmente será
próxima a 3,5, com a precisão aumentando à medida que mais dados são lançados.
Segue-se da lei dos grandes números que a probabilidade empírica de sucesso em uma série
de tentativas de Bernoulli convergirá para a probabilidade teórica. Para uma variável aleatória
de Bernoulli , o valor esperado é a probabilidade teórica de sucesso, e a média de n tais
variáveis (assumindo que sejam independentes e distribuídas de forma idêntica (iid) ) é
precisamente a frequência relativa.
9
Conclusão
Depois da leitura feita às matérias encontrados na internet, e manuais para a realização do
presente trabalho conclui que quando se fala de distribuição bidimensional refere-se ao
estudos que visa saber da existência ou não de relação entre duas variáveis.
10
Referencias Bibliográficas
Farias, Ana Maria. Variáveis Aleatórias Bidimensionais. Sd.